返回python中具有多个功能的输入查询的最佳匹配

我有以下项目：

[
    { "id":"item1", "age": 1, "color": 'fff', "rate": 3 },
    { "id":"item2", "age": 2, "color": '000', "rate": 4 },
    { "id":"item3", "age": 3, "color": 'eee', "rate": 5 },
    { "id":"item4", "color": 'bbb', "rate": 5 }
]

现在，我希望用户搜索一个需要的项目：

{“年龄”：1，“颜色”：“000”，“比率”：5}

甚至

{“年龄”：3，“颜色”：“abc”}

我想找到此查询的最佳匹配项。我该怎么做？ 我不是在寻找确切的答案。尽管如此，我还是有兴趣将其作为后端服务实现，所以Python应该可以。我只是不知道如何解决这个问题。是否有某种匹配算法或模糊搜索我需要看看

---

更新：数据很大（数百万项），每个项有50-100个键，但有些项可能没有全部键。此外，用户查询可能不包含所有键

您的数据集有多大

对于一个小数据集，您可以在O（n*m）时间内完成这项工作（列表中有n个项目，dict中有m个关键点），只需在比较相同关键点的值后获取匹配最多的项目，并跟踪匹配的数量

search_item = {"age": 1, "color": '000', "rate": 5}
mx = -float('inf')
for item in lst:
    curr = sum(search_item[k]==item[k] for k in item)
    if curr > mx:
        match = item
        mx = curr
print(match)

搜索条件可能不是简单的键值匹配。你得给它下定义

对于非常大的数据集，您可以从列表中构造一个，并将搜索时间缩短到O（log（n）），以防重用列表/树来搜索多个项目

您应该将十六进制颜色转换为数字类型，这样就可以跨维度使用同质的int类型，并且比较更容易，因为比较int要比模糊字符串匹配简单得多

例如，颜色

ffb

比

eee

更接近

fff

：

>>> int('fff', 16)
4095
>>> int('ffb', 16)
4091
>>> int('eee', 16)
3822

---

我假设您希望

数据的元素

最匹配，而不是所有dict中每个键的最佳匹配

这可以让你开始：

>>> data = [
...     { "id":"item1", "age": 1, "color": 'fff', "rate": 3 },
...     { "id":"item2", "age": 2, "color": '000', "rate": 4 },
...     { "id":"item3", "age": 3, "color": 'eee', "rate": 5 }
... ]
>>> user_input = {"age": 1, "color": 'fff', "rate":5}
>>>
>>> criterion = lambda d: len(user_input.items() & d.items())
>>> max(data, key=criterion)
{'id': 'item1', 'age': 1, 'color': 'fff', 'rate': 3}

调用

max

返回

data

的唯一元素，其中有两个匹配项

如果您想要更复杂的模糊匹配而不仅仅是计算直接命中，例如

'ffe'

比

'abc'

更接近

'fff'

，那么您需要

• 为与某些键关联的每种类型的值定义距离度量
• 使用这些度量来实现更复杂的

  标准

---

字符串，考虑数值类型的“和”> ABS（X-Y）。

你的匹配规则是什么？通常，它只是简单地比较搜索到的值和列表中的值。对于年龄和比率，简单的数字比较会很好，对于颜色，您可能需要定制比较或搜索现有的颜色比较算法。一旦你有了距离，你就可以得出一个最终的单值距离，然后选择最接近的一个。谢谢，这很有意义，但是请看一下更新。简单的数字比较是什么意思？它是欧几里得距离，余弦相似性，内积吗？或者你是说别的？这取决于你，在这种情况下，一个简单的欧几里德距离就可以了。谢谢，请查看更新。我应该使用一个简单的

abs（x-y）

还是在整个向量上使用欧几里德距离（可能是标准化的）？@towi_并行性，这取决于您。你可以尝试什么可以提供更好的点击率。谢谢，请检查更新。对于大型数据集，您建议这样做吗@托维尤：是的，可以。但是单独使用数字类型会更容易。答案已更新。